异常报警方法、装置、电子设备及计算机可读取存储介质与流程

本技术涉及机器监测，具体而言，涉及一种异常报警方法、装置、电子设备及计算机可读取存储介质。

背景技术：

1、机械设备，例如火电风机在产线上运转时，为了保证生产正常和安全，需要对其健康状态进行持续监控。如果监控设备显示出异常数据，则需要对风机进行检查，在异常时进行报警。但是，由于监控设备的异常情况，例如监控设备宕机，停止采集并上报之前的检测数据等情况，导致检测数据不准确，无法根据检测数据对风机故障进行实时地报警，从而导致机械设备(风机)运转时的安全性较低。

技术实现思路

1、有鉴于此，本技术实施例的目的在于提供一种异常报警方法、装置、电子设备及计算机可读取存储介质，以改善现有技术中存在的机械设备运转时的安全性较低的问题。

2、为了解决上述问题，第一方面，本技术实施例提供了一种异常报警方法，所述方法包括：

3、基于时序特征对监控设备采集的目标机器的检测数据进行整理，得到输入数据；

4、通过预测模型，基于所述输入数据对所述目标机器的目标特征进行预测，得到预测数据；

5、基于所述预测数据与所述检测数据之间的误差数据进行报警。

6、在上述实现过程中，能够基于时序特征对监控设备采集的目标机器对应的检测数据进行整理，以输入预测模型对相应的目标特征进行预测，从而提高了模型预测的精度和有效性。通过将预测数据与检测数据进行对比，获取相应的误差数据，能够根据误差数据的实际情况，在监控设备或目标机器出现异常时，及时地进行报警处理，提高了报警的时效性和准确性，有效地减少了因监控设备异常导致的无法正常报警的情况，从而提高了机械设备(例如风机设备)运转时的安全性。

7、可选地，所述基于时序特征对监控设备采集的目标机器的检测数据进行整理，得到输入数据，包括：

8、获取所述监控设备采集的所述目标机器的所述检测数据；其中，所述检测数据中包括多种机器特征的特征数据，所述多种机器特征包括：轴承温度、轴承震动情况、轴承温度变化量、轴承震动变化量中的至少一种；

9、根据多个所述特征数据的关联性确定所述目标特征，以所述目标特征对应的特征数据作为目标数据；

10、基于所述时序特征，将多个所述特征数据和所述目标数据整合为所述目标特征对应的所述输入数据。

11、在上述实现过程中，可以根据检测数据中的多种表征不同机器特征的特征数据的关联性，选取具备相应规律波动，且与其他机器特征具有一定相关性的目标特征，从而基于数据的时序特征，对其他特征数据与目标特征对应的目标数据进行整合，得到对应的输入数据。能够基于关联性选取与各个特征相关的目标特征作为预测模型进行预测时的特征，并进行相应地整合处理，有效地提高了输入数据的相关性和有效性。

12、可选地，所述基于所述时序特征，将多个所述特征数据和所述目标数据整合为所述目标特征对应的所述输入数据，包括：

13、基于所述监控设备的检测频率，确定多个检测时刻和所述时序特征；

14、对每个所述检测时刻对应的多个所述特征数据和所述目标数据进行关联，得到时刻数据；

15、根据所述时序特征将每个所述时刻数据与相邻时刻数据进行关联，得到所述输入数据。

16、在上述实现过程中，可以根据监控设备的检测频率确定多个检测时刻与多个检测时刻对应的时序特征，能够以每个检测时刻作为集合组，对对应的多个特征数据和目标数据进行关联，得到相应的时刻数据，再基于时序特征，对多个时刻数据进行排序和关联，能够得到具有时序特征的输入数据。能够以每个检测时刻为单位，基于时序特征对多组数据进行关联和整合，进一步地提高了输入数据的时序相关性。

17、可选地，所述基于所述预测数据与所述检测数据之间的误差数据进行报警，包括：

18、基于所述预测数据和所述目标特征对应的所述目标数据进行对比，得到所述误差数据；

19、将所述误差数据与误差阈值进行对比；

20、若所述误差数据大于或等于所述误差阈值，则对所述目标机器或所述监控设备的异常情况进行报警。

21、在上述实现过程中，由于预测数据为预测模型基于输入数据中上一时刻的目标特征对下一时刻的目标特征进行预测的数据，因此，在进行对比时，可以将每一时刻的预测数据和对应的目标数据进行对比，以确定预测结果和检测结果之间的误差数据，并将误差数据与预设的误差阈值进行对比，在误差较大时，则表征目标机器存在故障情况，或监控设备存在故障情况，需要进行报警，以提示工作人员对监控设备和目标机器进行检查。能够将目标机器故障和监控设备故障统一归为模型预测的回归问题进行处理，在目标风机或监控设备任意故障时即能够触发报警，从而减少因监控设备故障导致的无法正常报警的情况，提高了报警的实时性和有效性，以提高机械设备(例如风机设备)运转时的安全性。

22、可选地，其中，所述误差阈值通过以下方式确定：

23、确定所述目标机器和所述监控设备的报警需求；

24、基于所述报警需求和历史误差分布，确定相应的所述误差阈值。

25、在上述实现过程中，可以根据目标机器和监控设备的实际情况，确定对应的报警需求，以结合报警需求和历史的误差分布情况，确定合适的误差阈值。能够根据设备的实际情况和历史情况设置误差阈值，有效地提高了误差阈值的有效性，从而提高了基于误差阈值触发的报警处理的实时性和有效性。

26、可选地，所述方法还包括：若所述监控设备异常，则以所述预测数据作为检测异常时的补偿数据进行存储。

27、在上述实现过程中，若报警后检测到监控设备存在异常情况，如采集值异常，或者停止采集持续上报之前的数据等情况，则表征检测数据不准确，为了对真实的检测情况进行还原处理，可以将对应的预测数据作为检测异常时的补偿数据进行存储，以进一步地提高存储的检测数据的有效性和准确性，保证检测数据的数据价值。

28、可选地，其中，所述预测模型通过以下方式训练得到：

29、基于历史时序特征对所述监控设备采集的所述目标机器的历史检测数据进行整理，得到训练数据；

30、基于所述训练数据与初始模型进行训练，得到所述预测模型；其中，所述初始模型包括循环网络模型。

31、在上述实现过程中，还可以采用相同的方式，基于历史时序特征对历史检测数据进行整理，以得到训练数据，从而基于训练数据对初始的循环网络模型进行训练，从而得到预测效果较好的预测模型。能够基于相同的时序处理方式得到训练数据，有效地提高了训练数据的时序相关性，从而提高了预测模型的训练精度和预测效果。

32、第二方面，本技术实施例还提供了一种异常报警装置，所述装置包括：整理模块、预测模块和处理模块；

33、所述整理模块用于基于时序特征对监控设备采集的目标机器的检测数据进行整理，得到输入数据；

34、所述预测模块用于通过预测模型，基于所述输入数据对所述目标机器的目标特征进行预测，得到预测数据；

35、所述处理模块用于基于所述预测数据与所述检测数据之间的误差数据进行报警。

36、在上述实现过程中，通过整理模块基于时序特征对监控设备采集的目标机器对应的检测数据进行整理，得到输入数据，通过预测模块将输入数据输入预测模型对相应的目标特征进行预测，得到预测数据，通过处理模块将预测数据与检测数据进行对比，获取相应的误差数据，能够根据误差数据的实际情况，在监控设备或目标机器出现异常时，及时地进行报警处理。

37、第三方面，本技术实施例还提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器读取并运行所述程序指令时，执行上述异常报警方法中任一实现方式中的步骤。

38、第四方面，本技术实施例还提供了一种计算机可读取存储介质，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行上述异常报警方法中任一实现方式中的步骤。

39、综上所述，本技术实施例提供了一种异常报警方法、装置、电子设备及计算机可读取存储介质，能够基于时序特征对监控设备采集的用于输入模型进行预测的数据进行处理，从而提高了模型预测的精度和有效性。通过将预测数据与检测数据进行对比，能够在监控设备或目标机器出现异常时，及时地进行报警处理，提高了报警的时效性和准确性，有效地减少了因监控设备异常导致的无法正常报警的情况，从而提高了机械设备运转时的安全性。